CI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet
|
|
- Juan Antonio Chávez Río
- hace 7 años
- Vistas:
Transcripción
1 CI2612: Algoritmos y Estructuras de Datos II Blai Bonet Análisis probabiĺıstico Universidad Simón Boĺıvar, Caracas, Venezuela Objetivos Espacio de probabilidad Las probabilidades se definen sobre un espacio de probabilidad Estudiar los elementos básicos de la teoría de probabilidad para realizar los análisis necesarios de algoritmos Ejemplos de análisis probabiĺıstico El espacio de probabilidad lo conforman: el espacio muestral Ω que contiene todos los posibles resultados del experimento o proceso probabiĺıstico el conjunto F de eventos a considerar (en nuestro caso todos los subconjuntos de Ω) la función o medida de probabilidad P( ) definida sobre los eventos
2 Ejemplo: Lanzar una moneda Considere el experimento de lanzar una moneda Existen dos posibles resultados del experimento: Ω = {H, T } El conjunto de eventos es F = {, {H}, {T }, {H, T }}: El evento denota que el experimento no dió ninguń resultado El evento {H} denota que la moneda salió cara El evento {T } denota que la moneda salió cruz El evento {H, T } denota que la moneda salió cara o cruz Si la moneda es insesgada (resultados equiprobables), definimos: P( ) = 0, P({H}) = P({T }) = 1 2, y P({H, T }) = 1 Eventos Para cada ω Ω, el evento {ω} se llama evento atómico y representa un único resultado del experimento Los otros eventos denotan conjuntos de posibles resultados los cuales son útiles para el análisis del experimento Por ejemplo, si el experimento es lanzar un dado, podemos hablar del evento que el dado cae en un número par Después de realizar el experimento, podemos decir cuando un evento es cierto o falso. Si el resultado del experimento es ω, decimos que el evento E es cierto si ω E. Si ω / E, el evento E es falso Función (medida) de probabilidad Probabilidad del evento complemento La función de probabilidad P es una función P : F [0, 1] que asigna probabilidaddes a los eventos y debe satisfacer: P1. P(Ω) = 1 P2. para toda colección {E i } i de eventos que sean disjuntos dos a dos (i.e. E i E j = para todo 1 i < j n): P( n i=1 E i) = P(E 1 ) + P(E 2 ) + + P(E n ) Por lo tanto, 1 = P(Ω) = P(Ω) + P( ) = P( ) = 0 Considere un evento E que denota un posible resultado del experimento P(E) es la probabilidad de que dicho resultado suceda mientras que P(E c ), donde E c = Ω \ E, es la probabilidad de que no suceda Por la aditividad de la medida y la propiedad P1: P(E c ) = P(Ω) P(E) = 1 P(E)
3 Ejemplo: Lanzar dos monedas Independencia de dos eventos Ahora considere dos monedas insesgadas e independientes Definimos: Ω = {HH, HT, T H, T T } F = {E Ω} P(E) = 1 4 para todo evento atómico E (la probabilidad de los demás eventos queda determinada por la propiedad P2) Probabilidad primera moneda salga cara: P({HH, HT }) = 1 2 Probabilidad segunda moneda salga cara: P({HH, T H}) = 1 2 Considere un espacio (Ω, F, P) y dos eventos E 1, E 2 F E 1 es independiente de E 2 si conocer alguna información sobre la ocurrencia de E 1 no altera nuestra creencia sobre la ocurrencia de E 2 (y vice versa) E 1 es independiente de E 2 ssi P(E 1 E 2 ) = P(E 1 ) P(E 2 ) En el ejemplo de las dos monedas, considere E 1 = {HH, HT } y E 2 = {HH, T H}, los eventos que la primera y segunda moneda salen cara respectivamente: P(E 1 E 2 ) = P({HH}) = 1 4 = = P(E 1) P(E 2 ) Independencia de más de dos eventos Probabilidad condicional Dos formas de definirla Considere la colección E = {E 1, E 2,..., E n } de eventos: E es independiente dos a dos ssi E i es independiente de E j para cualquier (i, j) con i j; i.e. P(E i E j ) = P(E i ) P(E j ) para todo 1 i < j n E es mutuamente independiente ssi P( E A E) = E A P(E) para todo subconjunto A E de eventos Las definiciones no son equivalentes, pero la segunda implica la primera Considere el experimento de lanzar un dado insesgado y los eventos A = el dado cae en múltiplo de 3 ó 5 y B = el dado cae par Claramente: P(A) = 3 6 = 1 2 y P(B) = 3 6 = 1 2 pero P(A B) = 1 6 Cuál es la probabilidad del evento A si sabemos que B es cierto? De las tres posibilidades para el evento B (i.e. el dado sale 2, 4, o 6), solo una hace cierta al evento A. Por lo tanto, la respuesta es 1 3 Definimos la probabilidad condicional P(A B) = P(A B)/P(B) [por lo general denotamos P(A B) con P(A, B)]
4 Independencia y probabilidad condicional Regla de la cadena Considere dos eventos independientes A y B: P(A B) = P(A, B) P(B) = P(A) P(B) P(B) = P(A) Ahora considere dos eventos A y B tales que P(A B) = P(A) P(A, B) = P(A B) P(B) = P(A) P(B) Conclusión, A y B son independientes ssi P(A B) = P(A) Considere una colección de n eventos {A 1, A 2,..., A n } P(A 1, A 2 ) = P(A 1 A 2 ) P(A 2 ) P(A 1, A 2, A 3 ) = P(A 1 A 2, A 3 ) P(A 2, A 3 ) = P(A 1 A 2, A 3 ) P(A 2 A 3 ) P(A 3 ) P(A 1, A 2, A 3, A 4 ) = P(A 1 A 2, A 3, A 4 ) P(A 2, A 3, A 4 ) = P(A 1 A 2, A 3, A 4 ) P(A 2 A 3, A 4 ) P(A 3, A 4 ) = P(A 1 A 2, A 3, A 4 ) P(A 2 A 3, A 4 ) P(A 3 A 4 ) P(A 4 ) P(A 1,..., A k ) = Π k i=1p(a i A i+1,..., A k ) Variables aleatorias Variables aleatorias Considere la siguiente propuesta: Una variable aleatoria X sobre un espacio (Ω, F, P) es una función desde el espacio muestral a los reales (i.e. X : Ω R) Usted paga n boĺıvares para tener el chance de lanzar una moneda. Si la moneda sale cara, usted recibe un pago m H y si la moneda sale cruz usted recibe m T (ambos pagos en boĺıvares) Definimos, P(X = x) = P({w Ω : X(w) = x}) Vale la pena aceptar la propuesta? Utilizaremos variables aleatorias y cálculo de esperanza para responder la pregunta En el ejemplo, Ω = {H, T } y definimos la variable aleatoria Z : Ω R igual al beneficio neto obtenido de aceptar la propuesta: Z(H) = m H n Z(T ) = m T n E.g., para m H m T, P(Z = m H n) = P({H})
5 Esperanza Resolución del problema de apuesta El beneficio neto Z de aceptar la propuesta es: Dado (Ω, F, P) y variable aleatoria X : Ω R, la esperanza de X se define como: E[X] = ω Ω X(ω) P({ω}) = x x P(X = x) La esperanza cuantifica el valor esperado (promedio) de la variable aleatoria X: Si realizamos el experimento muchas veces, y promediamos los valores de X obtenidos, el promedio tiende a E[X] a medida que el número de repeticiones del experimento se incrementa El beneficio neto esperado es: Z(H) = m H n Z(T ) = m T n E[Z] = ω Ω Z(ω) P({ω}) = Z(H) P({H}) + Z(T ) P({T }) = (m H n) (m T n) 1 2 = 1 2 (m H + m T ) n Entonces, E[Z] > 0 cuando m H + m T > 2n Independencia de variables aleatorias Propiedades de esperanza Dos variables aleatorias X, Y definidas sobre el mismo espacio (Ω, F, P) son independientes ssi para todo x, y R P(X = x, Y = y) = P(X = x) P(Y = y) E[αX + βy ] = ω Ω [αx(ω) + βy (ω)] P({ω}) = ω Ω [αx(ω) P({ω}) + βy (ω) P({ω})] = α ω Ω X(ω) P({ω}) + β ω Ω Y (ω) P({ω}) = αe[x] + βe[y ] Si Y = g(x) para g : R R, entonces Y es variable aleatoria y Una colección {X i } n i=1 de variables aleatorias definidas sobre el mismo espacio es independiente ssi para todo x 1, x 2,..., x n R P( n i=1x i = x i ) = n i=1 P(X i = x i ) E[Y ] = y yp(y = y) = x g(x)p(x = x) Si X e Y son independientes, E[XY ] = x,y xyp(x = x, Y = y) = x,y xyp(x = x)p(y = y) = x xp(x = x) y yp(y = y) = E[X] E[Y ]
6 Variables aleatorias indicadoras Cota para la probabilidad de la unión Una variable aleatoria X : Ω R tal que Rg(X) = {0, 1} se llama variable aleatoria indicadora Calculemos su esperanza: E[X] = ω Ω X(ω) P({ω}) = ω Ω,X(ω)=1 P({ω}) = P({ω Ω : X(ω) = 1}) = P(E) donde E es el evento E = {ω Ω : X(ω) = 1} = {X = 1} Considere una colección de eventos {E 1, E 2,..., E n } Queremos obtener una cota para P( 1 i n E i ) Defina A 1 = E 1, A 2 = E 2 \ E 1,..., A i = E i \ (E 1 E i 1 ) Los conjuntos {A i } i son disjuntos dos a dos y 1 i n E i = 1 i n A i P( 1 i n E i ) = P( 1 i n A i ) = P(A i ) P(E i ) ya que P(A i ) P(E i ) porque A i E i 1 i n 1 i n Esperanza de variables enteras Regla de probabilidad total Considere una v.a. entera no-negativa X; i.e. con rango {0, 1, 2,...} E[X] = x 0 x P(X = x) = x 1 x P(X = x) P(X = 1) P(X = 2) P(X = 2) P(X = 3) P(X = 3) P(X = 3) P(X = 4) P(X = 4) P(X = 4) P(X = 4)..... P(X 1) P(X 2) P(X 3) P(X 4) E[X] = x 1 P(X x) Consider un evento A y una colección de eventos {B i } i que particionan el espacio muestral Ω P(A) = i P(A B i ) La prueba es sencilla ya que la colección de eventos {A B i } i es una colección disjunta dos a dos Por aditividad de P, P(A B i ) = P( i (A B i )) = P(A i B i ) = P(A Ω) = P(A) i
7 Desigualdad de Markov La desigualdad de Markov permite acotar la probabilidad de una variable X no negativa utilizando la esperanza de X Para todo t > 0, P (X t) E[X] t Ejemplos de análisis probabiĺıstico Sea X : Ω R una v.a. no negativa definida sobre (Ω, F, P) E[X] = x 0 x P(X = x) = t 1 x P(X = x) + x P(X = x) x=0 x=t x P(X = x) t P(X = x) = t P(X t) x=t x=t Paradoja del día de nacimiento 1/3 Cuántos estudiantes deben haber en un salón para que la probabilidad que dos de ellos nazcan el mismo día sea > 1 2? Asumiremos que el año tiene n = 365 días (obviando años bisiestos) e indizamos a las personas con los enteros 1, 2,..., k Sea b i {1, 2,..., n} el día de nacimiento de la persona i. Asumimos P(b i = r) = 1/n y P(b i = r & b j = s) = 1/n 2 para todo i, j, r, s La probabilidad que las personas i y j nazcan el mismo día es P(b i = b j ) = n r=1 P(b i = r & b j = r) = n r=1 1 n 2 = 1 n Paradoja del día de nacimiento 2/3 Ahora acotaremos P(B m ) donde B m es el evento que los días de nacimiento de las primeras m personas son todos distintos Observe B m = B m 1 A m donde A m es el evento que las personas 1,..., m 1 nacen en días distinto a b m. Entonces, B m = m i=1 A i Para responder la pregunta queremos calcular el número k de personas tal que 1 P(B k ) 1 2. Es decir, k tal que P(B k) 1 2 P(B k ) = P(B 1 ) P(A 2 B 1 ) P(A 3 B 2 ) P(A k B k 1 ) = 1 n 1 n n 2 n n k+1 n = 1 (1 1 n ) (1 2 k 1 n ) (1 n ) e 1/n e 2/n e (k 1)/n [α < 1 = 1 α e α ] = e 1 k 1 n i=1 i = e k(k 1)/2n 1 2 cuando k(k 1)/2n ln(1/2). Para n = 365, basta k 23
8 Paradoja del día de nacimiento 3/3 Resolvamos ahora usando variables indicadoras y la linealidad de la esperanza. Considere la v.a. indicadora X ij = II{b i = b j }: E[X ij ] = P(X ij = 1) = P(b i = b j ) = 1/n Sea X el número de pares de personas distintas con el mismo día de nacimiento: i.e. X = 1 i<j k X ij E[X] = 1 i<j k E[X ij] = 1 i<j k 1 n = ( ) k 1 2 n = k(k 1) 2n Si E[X] 1 entonces existe al menos un i y j tal que X ij = 1 E[X] 1 cuando k(k 1)/2n 1 lo que implica k 1 2 ( n) Para n = 365, cuando k 28 esperamos que exista al menos 1 par de personas que cumplan el mismo día Más fácil pero la cota k 28 es menos ajustada que k 23 Pelotas y cajas Considere el proceso de lanzar n pelotas idénticas en b cajas distintas, numeradas 1, 2,..., b Los lanzamientos son independientes y la probabilidad de que una pelota caiga en una caja cualquiera es 1/b Cuántas pelotas caen (en promedio) en una caja dada? Respuesta: n/b pelotas por caja en promedio Cuántas pelotas debemos lanzar (i.e. determinar n) hasta que 1 pelota caiga en una caja dada? Respuesta: debemos lanzar b pelotas en promedio Cuántas pelotas debemos lanzar (i.e. determinar n) hasta que toda caja contenga al menos 1 pelota? (Coleccionista de cupones) Respuesta: debemos lanzar b ln b pelotas en promedio Coleccionista de cupones 1/2 Cada vez que una pelota cae en una caja vacía lo llamamos un hit Queremos calcular el número esperado de lanzamientos hasta obtener b hits Particionamos los lanzamientos en episodios: el primer episodio consiste en los lanzamientos hasta el primer hit (incluyendo el hit) el i-ésimo episodio consiste en los lanzamientos después de (i 1)-ésimo hit y hasta el i-ésimo hit (incluyendo el hit) Sea n i el número de lanzamientos en el i-ésimo episodio. El número total de lanzamientos para obtener b hits es b i=1 n i [ b ] E i=1 n i = b i=1 E[n i] = b i=1 b b i+1 donde E[n i ] = b/(b i + 1) (ver próximo slide) = b b i=1 1 i = b(ln b + O(1)) Coleccionista de cupones 2/2 Distribución y esperanza de la variable n i Sea p i la probabilidad de que un lanzamiento en el i-ésimo episodio sea un hit y q i = 1 p i P(n i k) = P(n i > k 1) = q k 1 i E[n i ] = k 1 P(n i k) = k 1 q k 1 i = k 0 q k i = 1 = 1 1 q i p i Observe que p i = (b i + 1)/b ya que durante el i-ésimo episodio, i 1 cajas tiene pelotas y b i + 1 cajas no tienen pelotas
9 Resumen Ejercicios (1 de 2) Elementos de teoría de probabilidades: espacio de probabilidades: espacio muestral, eventos, función de probabilidad independencia de eventos, probabilidad condicional y regla de la cadena variables aleatorias e independencia de variables esperanza y propiedades cota para la unión, regla de probabilidad total y desigualdad de Markov 1. (8.4-3) Sea X una variable aleatoria que es igual al número de caras en dos lanzadas de una moneda insesgada. Calcule E[X 2 ] y E[X] 2 2. (5.2-3) Use variables indicadoras para computar el valor esperado de la suma de n dados lanzados (insesgados) 3. (5.2-4) Use variables indicadoras para resolver lo siguiente. Cada uno de los n clientes en un restaurant dejan sus sombreros con el guardaropas. Al salir, el guardaropas devuelve los sombreros totalmente al azar. Cuál es el número esperado de clientes que obtienen su sombrero al salir del restaurant? Ejemplos de análisis probabiĺıstico Ejercicios (2 de 2) 4. (5.2-5) Sea A[1... n] un arreglo con n enteros distintos. Si i < j y A[i] > A[j], decimos que el par (i, j) es una inversión de A. Suponga que los elementos de A forman una permutación uniforme sobre {1, 2,..., n}. Use variables indicadoras para calcular el número esperado de inversiones en A 5. Responda la primera y segunda pregunta para el problema de las pelotas y las cajas
CI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet
CI2612: Algoritmos y Estructuras de Datos II Blai Boet Aálisis probabiĺıstico Uiversidad Simó Boĺıvar, Caracas, Veezuela Objetivos Espacio de probabilidad Ituitivamete, utilizamos la idea de probabilidad
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesCI2612: Algoritmos y Estructuras de Datos II. Algoritmos randomizados. Problema de empleo (hiring problem) Objetivos. Blai Bonet
CI2612: Algoritmos y Estructuras de Datos II Blai Bonet Algoritmos randomizados Universidad Simón Boĺıvar, Caracas, Venezuela Objetivos Problema de empleo (hiring problem) Hacer análisis probabiĺıstico
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesJuan Carlos Colonia P. PROBABILIDADES
Juan Carlos Colonia P. PROBABILIDADES EXPERIMENTO ALEATORIO Se conocen todos los resultados posibles antes de realizar el experimento. Antes de realizar el experimento no se puede conocer el resultado
Más detallesProbabilidades. 11 de noviembre de 2013. Felipe Bravo Márquez
Felipe José Bravo Márquez 11 de noviembre de 2013 Motivación Las probabilidades son el lenguaje de la incertidumbre que a la vez es la base de la inferencia estadística. El problema estudiado en probabilidades
Más detallesIntroducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
Más detalles2.3 PROPIEDADES DE LA PROBABILIDAD
2.3 PROPIEDADES DE LA PROBABILIDAD 1. La probabilidad es positiva y menor o igual que 1. 0 p( 1 2. La probabilidad del suceso seguro es 1. p (E) = 1 3. Si A y B son incompatibles, es decir A B = entonces:
Más detallesMODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesTeoría elemental de la probabilidad
La es el medio por el cual a partir de la información muestral tomamos decisiones o hacemos afirmaciones que se refieren a toda una población, mediante el proceso llamado inferencia estadística La nos
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesBases Formales de la Computación: Sesión 1. Probabilidad Discreta
Bases Formales de la Computación: Sesión 1. Probabilidad Discreta Prof. Gloria Inés Alvarez V. Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali 11 de abril
Más detallesProbabilidades. Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM
Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM Probabilidades P(A) = Casos favorables Casos posibles Objetivos: Definir el concepto de
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detallesESCUELA SECUNDARIA FEDERAL 327 JORNADA AMPLIADA GUIA DE MATEMÁTICAS III MAESTRA MÓNICA VÁZQUEZ MARTÍNEZ NOMBRE: GRUPO: N.L.
ESCUELA SECUNDARIA FEDERAL 327 JORNADA AMPLIADA GUIA DE MATEMÁTICAS III MAESTRA MÓNICA VÁZQUEZ MARTÍNEZ NOMBRE: GRUPO: N.L. RECUERDA VI. CONOCIMIENTO DE LA ESCALA DE LA PROBABILIDAD Evento Independiente:
Más detallesVectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios
Más detallesCOMBINATORIA Y PROBABILIDAD
COMBINATORIA Y PROBABILIDAD Esp. HENRY CARRASCAL C. Lic. Matemáticas y Física Esp. Informática Educativa Esp. Práctica Docente Universitaria Magíster en Práctica Pedagógica INSTITUCIÓN EDUCATIVA RAFAEL
Más detalles6-1. Dos preguntas sobre 100 tiradas de dado
Semana 6 Esperanza y Varianza 6-1. Dos preguntas sobre 100 tiradas de dado 6-2. Esperanza 6-3. Propiedades básicas de la esperanza 6-4. Distancia esperada a la media 6-5. Varianza 6-6. Demostraciones 6-1.
Más detallesCapítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta
Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática
Más detallesPreguntas más Frecuentes: Tema 6
Preguntas más Frecuentes: Tema 6 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 6.2, no entiendo por qué dividimos entre 8. Si tiro 3 veces la moneda y las opciones son
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesrxy = Halle la ecuación de la recta de mejor ajuste Indique el tipo de correlación (positiva, negativa, cero, no lineal)
PONTIFICIA UNIVERSIDAD CATOLICA DE PUERTO RICO DEPARTAMENTO DE FISICA-MATEMATICAS Nombre: Sección: Mat.298 REPASO 2 Núm. I. Un psicólogo experimental afirma que, mientras más edad tenga un niño, disminuye
Más detallesTema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos
Tema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos 1. Probabilidad condicionada. Espacio de probabilidad condicionado La probabilidad condicionada es uno de los conceptos clave
Más detallesProbabilidad. Distribuciones binomial y normal
Tema 7 Probabilidad. Distribuciones binomial y normal 7.1. Introducción En este tema trataremos algunas cuestiones básicas sobre Probabilidad. Tanto la Probabilidad como la Estadística son dos campos de
Más detalles6. PROBABILIDAD I. Eugenio Hernández. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso Universidad Autónoma de Madrid
6. PROBABILIDAD I Universidad Autónoma de Madrid COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2017-2018 6.1. Frecuencia y probabilidad. Modelos de probabilidad FENÓMENO ALEATORIO Un
Más detallesUnidad III Variables Aleatorias Unidimensionales
Unidad III Variables Aleatorias Unidimensionales En el capítulo anterior se examinaron los conceptos básicos de probabilidad con respecto a eventos que se encuentran en un espacio muestral. Los experimentos
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesTEOREMA DE BERNOULLI
TEOREMA DE BERNOULLI Introducción. En este escrito exponemos de forma detallada el Teorema de Bernoulli. Inroducimos primero el modelo de distribución Bernoulli parámetro p, ofreciendo una discusión sobre
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesDr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez
Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesUNIDAD XI Eventos probabilísticos
UNIDAD XI Eventos probabilísticos UNIDAD 11 EVENTOS PROBABILÍSTICOS Muchas veces ocurre que al efectuar observaciones en situaciones análogas y siguiendo procesos idénticos se logaran resultados diferentes;
Más detallesPROBABILIDAD. 1. Ejercicios Resueltos. Juan José Noguera Matusiak. 11 de mayo de 2009
PROBABILIDAD Juan José Noguera Matusiak 11 de mayo de 2009 1. Ejercicios Resueltos 1. Se lanzan dos dados regulares simultáneamente. Determinar la probabilidad de obtener en un solo lanzamiento: a) Dos
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesUNIDAD II Eventos probabilísticos
UNIDAD II Eventos probabilísticos UNIDAD 2 EVENTOS PROBABILÍSTICOS Muchas veces ocurre que al efectuar observaciones en situaciones análogas y siguiendo procesos idénticos se logaran resultados diferentes;
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesConteo y Combinatoria
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA3403 - Probabilidades y Estadística 1. Nociones Generales Conteo y Combinatoria Alberto Vera Azócar,
Más detallesP R O B A B I L I D A D E S
Seminario Conciliar La Serena DEPTO DE MATEMATICA. MCP - GGU P R O B A B I L I D A D E S DEFINICIÓN: Es una rama de la matemática que consiste en el estudio de ciertos experimentos llamados aleatorios
Más detallesConceptos. Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado.
Teresa Pérez P DíazD Profesora de matemática tica Conceptos Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado. Ejemplos: E : Lanzar un dado,
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesESTADÍSTICA DE LA PROBABILIDAD GUIA 2: CÁLCULO BÁSICO DE PROBABILIDADES Y REGLAS DE PROBABILIDAD DOCENTE: SERGIO ANDRÉS NIETO DUARTE
ESTADÍSTICA DE LA PROBABILIDAD GUIA 2: CÁLCULO BÁSICO DE PROBABILIDADES Y REGLAS DE PROBABILIDAD DOCENTE: SERGIO ANDRÉS NIETO DUARTE En la anterior sesión vimos los conceptos básicos de probabilidad y
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detallesTEMA 1.- PROBABILIDAD.-CURSO 2016/2017
TEMA 1.- PROBABILIDAD.-CURSO 2016/2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesUn conjunto se considera como una colección de objetos, llamados miembros o elementos del conjunto. Existen dos formas de expresar un conjunto:
I.- Teoría de conjuntos Definición de conjunto Un conjunto se considera como una colección de objetos, llamados miembros o elementos del conjunto. Existen dos formas de expresar un conjunto: a) Por extensión
Más detallesTipos de Probabilidades
Pre-universitario Manuel Guerrero Ceballos Clase N 03 MODULO COMPLEMENTARIO Tipos de Probabilidades Resumen de la clase anterior Probabilidad Combinatoria Probabilidades Con y sin repetición Regla de Laplace
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detalles1 Variables aleatorias independientes
1 Variables aleatorias independientes El concepto de independencia es sumamente importante en teoría de probabilidad y su negación, la dependencia, es un importante objeto de estudio actualmente en diversas
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para
Más detallesUniversidad Central de Venezuela Facultad de Ciencias Escuela de Computación Probabilidad y Estadística Práctica Nº 4
Distribuciones de Variables Aleatorias Distribuidas en forma Conjunta Objetivos de la práctica: Objetivo general: Al finalizar la práctica, el estudiante deberá conocer los conceptos fundamentales de las
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesUNIDAD II: EXRIMENTOS ALEOTORIOS
UNIDAD II: EXRIMENTOS ALEOTORIOS Un experimento aleatorio es aquél en el que si lo repetimos con las mismas condiciones iniciales no garantiza los mismos resultados. Así, por ejemplo, al lanzar una moneda
Más detallesPROBABILIDAD CONDICONAL Y TEOREMA DE BAYES
Prof.: MSc. Julio Rito Vargas A. PROBABILIDAD CONDICONAL Y TEOREMA DE BAYES Definición de Probabilidad Condicional: Para dos eventos cualesquiera A y B en un espacio muestra Ω, tales que P(B) > 0 con P(B)>
Más detallesMs. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ La estadística descriptiva Le concierne el resumen de datos recogidos de eventos pasados. Por ejemplo los precios de
Más detallesMATEMÁTICAS BÁSICAS PROBABILIDAD
MATEMÁTICAS BÁSICAS PROBABILIDAD Autora: Alejandra Sánchez Departamento de Matemáticas Sede Bogotá 10 de diciembre de 2013 Introducción a la Probabilidad Definición espacio muestral y eventos Definición
Más detallesProbabilidad Condicional. Dr. José Dionicio Zacarias Flores
Probabilidad Condicional Dr. José Dionicio Zacarias Flores Introducción Sea E un experimento aleatorio con espacio de probabilidad (Ω,F,P). Algunas veces podemos poseer información incompleta sobre el
Más detallesA partir de la definición obtenemos las siguientes propiedades para estas funciones:
Capítulo 1 Conjuntos Supondremos conocidas las nociones básicas sobre teoría de conjuntos, tales como subconjuntos, elementos, unión, intersección, complemento, diferencia, diferencia simétrica, propiedades
Más detallesProbabilidad. Experimento: Procedimiento que se puede llevar a cabo bajo las mismas condiciones un número indefinido de veces.
Probabilidad Definiciones Experimento: Procedimiento que se puede llevar a cabo bajo las mismas condiciones un número indefinido de veces. Experimento aleatorio: Es aquel experimento cuyo resultado no
Más detallesAnálisis probabilístico y Algoritmos Aleatorizados
Análisis probabilístico y Algoritmos Aleatorizados Andrés Becerra Sandoval Ponticia Universidad Javeriana 14 de julio de 2007 Lenguajes III Introducción La probabilidad puede ayudarnos a medir la complejidad
Más detallesAZAR Y PROBABILIDADES
AZAR Y PROBABILIDADES Introducción En el lenguaje cotidiano decimos muchas veces que algo es posible si es probable que suceda. De esta manera nos aproximamos al concepto de probabilidad. Cuál es la probabilidad
Más detallesPROBABILIDAD. Profesor: Rafael Núñez Nogales CÁLCULO DE PROBABILIDADES. Experimentos y sucesos
PROBABILIDAD CÁLCULO DE PROBABILIDADES Experimentos y sucesos Experimento aleatorio Es aquel cuyo resultado depende del azar, es decir no se puede predecir de antemano qué resultado se va a obtener aunque
Más detallesPor ejemplo, lanzar al aire un dado o una moneda son experimentos aleatorios. Los experimentos aleatorios pueden ser simples o compuestos.
.- CONCEPTOS BÁSICOS DE PROBABILIDAD Experimento aleatorio: Es aquel cuyo resultado depende del azar y, aunque conocemos todos los posibles resultados, no se puede predecir de antemano el resultado que
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y función de distribución.
Más detallesTema 6 Probabilidad. 0.-Introducción La probabilidad de un suceso es un número, comprendido entre 0 y
Tema 6 Probabilidad 0.-Introducción La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 5 Esperanza y momentos Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesREGLAS DE PROBABILIDAD
Capítulo 4 Probabilidad REGLAS DE PROBABILIDAD 4.1-1 Evento Compuesto Un evento compuesto es cualquier evento que combina 2 o más eventos simples. Ejemplo: Al lanzar un dado justo de 6 caras, cuál es la
Más detallesSi quisiéramos estudiar también cuánto distan, es decir a b, tendríamos 6 resultados: 0, 1, 2, 3, 4 ó 5, con distribución de probabilidad dada por:
Capítulo 3 Variables aleatorias 3. Definición, tipos En ocasiones de un experimento aleatorio sólo nos interesará medir ciertas características del mismo. En estos casos nos bastará con conocer la distribución
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2016-2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesEL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades
EL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 10 de Septiembre de 2010 1 of 29 Contenidos de la Clase
Más detallesVariables Aleatorias
Objetivos de la práctica: Variables Aleatorias Objetivo general: Al finalizar la práctica, el estudiante deberá conocer el concepto de variable aleatoria discreta y continua, el concepto de distribución
Más detallesAnálisis de Datos. Conceptos básicos de probabilidad y teorema de Bayes. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Conceptos básicos de probabilidad y teorema de Bayes Profesor: Dr. Wilfrido Gómez Flores 1 Teoría de la probabilidad Los fenómenos del mundo real se pueden clasificar en dos tipos: Determinista:
Más detallesQué se obtiene? Plan de clase (1/2) Escuela: Fecha: Profesor (a):
Qué se obtiene? Plan de clase (1/2) Escuela: Fecha: Profesor (a): Curso: Matemáticas 3 ecundaria Eje temático: MI Contenido: 9.1.6 Conocimiento de la escala de la probabilidad. nálisis de las características
Más detallesTema 4: Variable aleatoria. Métodos Estadísticos
Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detallesVARIABLES ALEATORIAS Variable: Característica de los individuos u objetos
1 Definiciones VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos Aleatoria: Azar 1. Una variable aleatoria ( v.a.) es una función que asigna un número real a cada resultado en el
Más detallesLa Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.
La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. Dado un experimento y cualquier evento A: La expresión
Más detallesTema 9: Probabilidad: Definiciones
Tema 9: Probabilidad: Definiciones 1. CONCEPTOS Experimento aleatorio Suceso Espacio muestral 2. DEFINICIÓN DE PROBBILIDD Enfoque clásico Enfoque frecuencialista 3. PROBBILIDD CONDICIONL 4. TEOREMS BÁSICOS
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesTEMA 6: CÁLCULO DE PROBABILIDADES. 6.1 Concepto de suceso aleatorio. Terminología y definiciones.
I.E.S. Salvador Serrano Dto. de Matemáticas (Daniel García) 2º CCSS 202 / TEMA : CÁLCULO DE PROBABILIDADES.. Concepto de suceso aleatorio. Terminología y definiciones. La probabilidad se centra en los
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2017-2018 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Combinatoria. Regla del producto 1.2.- Probabilidad condicionada.
Más detallesDISTINGUIR ENTRE EXPERIMENTO ALEATORIO Y DETERMINISTA
OBJETIVO 1 DISTINGUIR ENTRE EXPERIMENTO ALEATORIO Y DETERMINISTA EXPERIMENTOS ALEATORIOS Y DETERMINISTAS Experimento determinista es aquel que, una vez estudiado, podemos predecir, es decir, que sabemos
Más detallesFunciones exponenciales y logarítmicas
Funciones exponenciales y logarítmicas - Funciones exponenciales y sus gráficas Un terremoto de 85 grados en la escala de Richter es 00 veces más potente que uno de 65, por qué?, cómo es la escala de Richter?
Más detallesRequisitos Matemáticos. Clase 01. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Universidad Austral de Chile Escuela de Ingeniería Comercial ICPM050, Econometría Clase 01 Requisitos Matemáticos Profesor: Carlos R. Pitta Econometría, Prof. Carlos R. Pitta, Universidad Austral de Chile.
Más detalles2.6. Probabilidad Condicional
64 2.6. Probabilidad Condicional 2.6.1. Introducción. En la aplicación de la teoría de probabilidades a problemas prácticos es frecuente que el experimentador este confrontando con la siguiente situación:
Más detallesNúmeros naturales, principio de inducción
, principio de inducción. Conjuntos inductivos. Denotaremos por IN al conjunto de números naturales, IN {,,, 4, 5, 6,...}, cuyos elementos son suma de un número finito de unos. Recordemos que IN es cerrado
Más detallesEn el resultado de los experimentos aleatorios interviene el azar, cuando ésto no ocurre así, hablaríamos de sucesos deterministas.
1.- EXPERIMENTOS ALEATORIOS Y SUCESOS Un experimento aleatorio es aquel que cumple las siguientes condiciones: Se conocen todos sus posibles resultados No se puede conocer el resultado que se obtendrá
Más detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
Más detallesCálculo de probabilidad. Tema 1: Combinatoria y probabilidad
Cálculo de probabilidad Tema 1: Combinatoria y probabilidad Guión Guión 1.1. Análisis combinatorio Regla de multiplicación Este es el método de conteo más sencillo que existe. Supongamos que realizamos
Más detalles3. VARIABLES ALEATORIAS
. VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detallesMartingalas. Procesos Estocásticos. Marzo 2012 UC3M
Martingalas Procesos Estocásticos UC3M Marzo 2012 Martingalas Vamos a estudiar una clase de procesos que pueden verse como la fortuna de un jugador que juega repetidamente un juego justo. Así que, pensemos
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesEstadística. Tema 7: Teoría de Probabilidad.. Estadística. UNITEC Tema 7: Teoría de Probabilidad Prof. L. Lugo
Estadística Teoría de onjuntos ONJUNTO: colección de objetos de cualquier clase, definida de forma tal que no queden dudas acerca de la pertenencia de un elemento o no. Formas de definir conjuntos: i.-
Más detallesUNIDAD Nº2. Licenciatura en Enseñanza de la Matemática Mg. Lucía C. Sacco
UNIDAD Nº2 Unidad Nº2 Unidad Nº2: Introducción a la probabilidad. Espacios muestrales finitos. Probabilidad condicional. Modelos matemáticos. Modelos determinísticos versus métodos probabilísticos o aleatorios.
Más detallesRelación 1. Sucesos y probabilidad. Probabilidad condicionada.
Relación. Sucesos y probabilidad. Probabilidad condicionada.. Sean A, B y C tres sucesos cualesquiera. Determine expresiones para los siguientes sucesos: Ocurre sólo A. Ocurren A y B pero no C. c) Ocurren
Más detalles